论文部分内容阅读
神经网络由于其非线性处理能力强,性能稳定等特点得到了广泛应用和研究.主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等.神经网络中使用最为广泛的就是前馈神经网络.其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法).BP算法存在局部极小点,收敛速度慢等缺点.基于优化理论的Levenberg-Marquardt算法忽略了二阶项.该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算,进而训练网络.